물체나 공간을 디지털화하는 기술인 3D 복원은 주로 포인트 클라우드 데이터를 활용한다. 본 논문은 강화학습을활용하여 주어진 환경에서 포인트 클라우드의 획득을 목표로 한다. 이를 위해 시뮬레이션 환경은 유니티를 이용하여구성하고, 강화학습은 유니티 패키지인 ML-Agents를 활용한다. 포인트 클라우드 획득 과정은 먼저 목표를 설정하고, 목표 주변을 순회할 수 있는 경로를 계산한다. 순회 경로는 일정 비율로 분할하여 각 스텝마다 보상한다. 이때 에이전트의 경로 이탈을 방지하기 위해 보상을 증가시킨다. 에이전트가 순회하는 동안 목표를 응시할 때마다 보상을 부여하여각 순회 스텝에서 포인트 클라우드의 획득 시점을 학습하도록 한다. 실험결과, 순회 경로가 가변적이지만 상대적으로정확한 포인트 클라우드를 획득할 수 있었다.
The technology of 3D reconstruction, primarily relying on point cloud data, is essential for digitizing objects or spaces. This paper aims to utilize reinforcement learning to achieve the acquisition of point clouds in a given environment. To accomplish this, a simulation environment is constructed using Unity, and reinforcement learning is implemented using the Unity package known as ML-Agents. The process of point cloud acquisition involves initially setting a goal and calculating a traversable path around the goal. The traversal path is segmented at regular intervals, with rewards assigned at each step. To prevent the agent from deviating from the path, rewards are increased. Additionally, rewards are granted each time the agent fixates on the goal during traversal, facilitating the learning of optimal points for point cloud acquisition at each traversal step. Experimental results demonstrate that despite the variability in traversal paths, the approach enables the acquisition of relatively accurate point clouds.
뇌-기계 인터페이스(BMI)는 신경활동을 통해 발생하는 전기 신호인 뇌파를 해석하여 기계를 제어하는 인터페이스이다. BMI는 다양한 분야에 적용될 수 있으나 뇌파 측정 및 해석을 위한 하드웨어의 휴대성이 낮아 대중적으로 사용되기에 어렵다는 단점이 있다. 이런 문제점을 해결하기 위해 이전 연구에서는 클라우드 컴퓨팅을 이용한 사물인터넷 기반 뇌-기계 인터페이스 시스템을 제안하였다. 본 연구에서는 위 시스템의 실시간 사용성을 증명하기 위하여 뇌파로 퐁(Pong) 게임을 조종하는 애플리케이션을 개발하여 테스트하였다. 그 결과 제안된 BMI 사용자가 최적 제어 인공지능과의 실시간 퐁 게임 대결에서 대등한 스코어를 보였다. 따라서 본 연구 결과는 사물인터넷 기반 뇌-기계 인터페이스가 일상생활 속 다양항 실시간 애플리케이션으로 활용될 수 있음을 시사한다.
Brain-Machine Interfaces(BMI) are interfaces that control machines by decoding brainwaves, which are electrical signals generated from neural activities. Although BMIs can be applied in various fields, their widespread usage is hindered by the low portability of the hardware required for brainwave measurement and decoding. To address this issue, previous research proposed a brain-machine interface system based on the Internet of Things (IoT) using cloud computing. In this study, we developed and tested an application that uses brainwaves to control the Pong game, demonstrating the real-time usability of the system. The results showed that users of the proposed BMI achieved scores comparable to optimal control artificial intelligence in real-time Pong game matches. Thus, this research suggests that IoT-based brain-machine interfaces can be utilized in a variety of real-time applications in everyday life.
Windows 운영체제는 다양한 데이터를 타임스탬프와 함께 로깅한다. 타임스탬프 변조는 안티포렌식의 한 행위로 용의자가 범행과 관련된 데이터의 타임스탬프 조작을 통해 흔적을 숨겨 분석관이 사건의 상황 재현을 어렵게 하여 수사를 지연시키거나 중요한 디지털 증거 획득을 실패하게 만든다. 따라서 이를 대처하기 위해 타임스탬프 변조를 탐지하는 여러 기법이 개발되었다. 그러나 만일 용의자가 타임스탬프 패턴을 인지하고 정교하게 시간을 조작하거나 변조 탐지에 활용되는 시스템 아티팩트를 변경한다면 탐지가 어렵다는 한계점을 가지고 있다. 본 논문에서는 용의자가 파일의 타임스탬프를 조작하더라도 저장장치의 속도에 비례하여 1초 미만의 단위값까지를 고려한 정교한 변경이 어려움에 착안하여, 타임스탬프 변조를 탐지할 수 있는 기법을 설계하고자 한다. 설계한 탐지 기법에서는 우선 변조가 의심스러운 파일의 타임스탬프를 확인하여 해당 파일의 쓰기시간을 확인한다. 그다음 확인된 시간을 저장장치의 성능을 고려하여 시간 내에 기록된 파일 크기와 대조한다. 마지막으로 특정 시간에 파일이 쓰인 총용량을 구하고 저장장치의 최대 입출력 성능과 비교하여 파일의 변조 여부를 탐지한다.
Windows operating system generates various logs with timestamps. Timestamp tampering is an act of anti-forensics in which a suspect manipulates the timestamps of data related to a crime to conceal traces, making it difficult for analysts to reconstruct the situation of the incident. This can delay investigations or lead to the failure of obtaining crucial digital evidence. Therefore, various techniques have been developed to detect timestamp tampering. However, there is a limitation in detection if a suspect is aware of timestamp patterns and manipulates timestamps skillfully or alters system artifacts used in timestamp tampering detection. In this paper, a method is designed to detect changes in timestamps, even if a suspect alters the timestamp of a file on a storage device, it is challenging to do so with precision beyond millisecond order. In the proposed detection method, the first step involves verifying the timestamp of a file suspected of tampering to determine its write time. Subsequently, the confirmed time is compared with the file size recorded within that time, taking into consideration the performance of the storage device. Finally, the total capacity of files written at a specific time is calculated, and this is compared with the maximum input and output performance of the storage device to detect any potential file tampering.
점자는 시각장애인이 살아가면서 의사소통하거나 시각적 자료의 정보를 습득하기 위해서 사용되는 필수적인 수단이라고 할 수 있다. 하지만 시각장애인들의 점자 해석률은 5%로 미미한 수치를 보인다. 그래서 시각장애인 도서관은 시각장애인들을 위한 각종 정보들을 얻을 수 있는 다양한 형태의 자료를 제작하고 이를 해석하기 위한 보조공학기기도 보유한다. 하지만, 점자책을 구매해서 해석하기에는 점자책의 출판율도 너무 부족하고, 점자 해석률이 너무 낮은 수치고 보조공학기기를 구매하기에는 가격도 너무 비싸고 속도도 느리다는 단점이 있다. 따라서, 본 논문에서는 시각장애인들이 정보를 얻기 위해 사용하는 기존의 방법들과 더불어 도움을 주기 위해 아두이노로 점자를 표출하는 시스템을 구현하였다. 점자 표출은 파이썬과 아두이노 간 시리얼 통신을 통하여 한글 데이터를 파이썬 측에서 송신하고 데이터를 수신한 아두이노에서는 한글 데이터를 프로그램 내 배열에 있는 데이터들과 비교하여 해당 한글 데이터의 점자 값들을 가져온다. 여기서 점자 값은 점자일람표 기준으로 하얀색 원, 검은색 원을 이용해 서보모터 모터를 몸통과 수직이거나 수평으로 제어하면서 점자를 표출하였다.
Braille can be said to be an essential means used for the visually impaired to communicate or acquire information on visual materials in their lives. However, the rate of interpretation of braille among the visually impaired is insignificant at 5%. As a result, libraries for the visually impaired produce various types of materials that can obtain various information for the visually impaired and also have assistive technology equipment to interpret them. However, the publication rate of Braille books is too low to purchase and interpret Braille books. In addition, the Braille interpretation rate is too low, and the purchase of assistive technology devices is too expensive and slow. Therefore, in this paper, we implemented a system that displays Braille using Arduino to help visually impaired people in addition to the existing methods they use to obtain information. For Braille display, Korean data is transmitted from Python through serial communication between Python and Arduino, and Arduino, which receives the data, compares the Korean data with the data in the array in the program and retrieves the Braille values of the Korean data. Here, the Braille value was expressed by controlling the servo motor perpendicular or horizontal to the body using white and black circles based on the Braille list.
인터스트리4.0의 주요 기술인 인간-로봇 협업은 작업자의 안전을 보장하기 위한 추가적인 조치들이 필요하다. 협동로봇과 작업자간 충돌을 회피하는 기존 방식은 주로 로봇에 부착된 센서와 카메라를 기반으로 총돌을 탐지한다. 이러한 방식은 로봇, 사람 물체를 지속적으로 추적하고 충돌회피를 위한 복잡한 알고리즘이 필요하며, 작업 환경 변화에 빠르게 대응하지 못하는 단점이 있다. 본 논문은 인간과 로봇이 협업하는 과정에서 작업자가 위험을 느낄 때의 감정을 인식하여 협동로봇과의 충돌을 방지할 수 있는 웹 기반 플랫폼을 개발하였다. 이를 위해 웨어러블 뇌파장치를 이용하여 감정 관련 뇌파를 수집하고 저장하는 웹 기반 애플리케이션을 개발하였으며, 중립/긍정/부정 감정의 특징을 추출하고 분류하는 딥러닝 모델을 제안하였다. 또한 분류된 감정에 따라 모터동작을 제어하는 사물인터넷 인터페이스 프로그램을 개발하였다. 구현된 시스템의 성능분석을 위해 공개 데이터세트와 실제 수집된 데이터 세트를 사용하여 제안한 딥러닝 모델의 성능을 분석하였다. 공개 데이터 세트의 경우 정확도는 96.8%이며, 실제 수집 데이터세트의 경우 정확도는 70.7%이다.
As a primary technology of Industry 4.0, human-robot collaboration (HRC) requires additional measures to ensure worker safety. Previous studies on avoiding collisions between collaborative robots and workers mainly detect collisions based on sensors and cameras attached to the robot. This method requires complex algorithms to continuously track robots, people, and objects and has the disadvantage of not being able to respond quickly to changes in the work environment. The present study was conducted to implement a web-based platform that manages collaborative robots by recognizing the emotions of workers - specifically their perception of danger - in the collaborative process. To this end, we developed a web-based application that collects and stores emotion-related brain waves via a wearable device; a deep-learning model that extracts and classifies the characteristics of neutral, positive, and negative emotions; and an Internet-of-things (IoT) interface program that controls motor operation according to classified emotions. We conducted a comparative analysis of our system's performance using a public open dataset and a dataset collected through actual measurement, achieving validation accuracies of 96.8% and 70.7%, respectively.
소프트웨어 개발에서 요구사항 도출 및 분석은 매우 중요한 단계이며, 다양한 이해관계자가 관여하기 때문에 많은 시간과 노력을 필요로 한다. ChatGPT는 다양한 문서를 학습한 대규모 언어 모델로서 코드 생성, 디버깅 등의 능력은 물론 소프트웨어 분석 설계 영역에서도 활용할 수 있는 능력을 갖고 있는 것으로 연구되고 있다. 본 논문에서는 ChatGPT의 이러한 능력을 활용하여 소프트웨어 요구사항 도출, 시스템 목표에 적합한 요구사항 분석, 유스케이스 형태로 문서화하는 요구공학 방법을 제안한다. 소프트웨어 요구공학에서 이해관계자, 분석가, ChatGPT는 협업 모델을 가져야 하며, 요구사항 도출, 분석, 명세화에서 ChatGPT의 결과를 초기 요구사항으로 하여 분석가와 이해관계자가 점검 및 내용을 추가하는 형태로 요구공학이 진행하는 것을 제안한다. ChatGPT의 성능이 향상될수록 요구사항의 도출 및 분석이 점차 정확도를 높일 수 있을 것이며, 소프트웨어 요구공학에서 시간 및 비용을 절감할 수 있을 것이다.
In software development, the elicitation and analysis of requirements is a crucial phase, and it involves considerable time and effort due to the involvement of various stakeholders. ChatGPT, having been trained on a diverse array of documents, is a large language model that possesses not only the ability to generate code and perform debugging but also the capability to be utilized in the domain of software analysis and design. This paper proposes a method of requirements engineering that leverages ChatGPT's capabilities for eliciting software requirements, analyzing them to align with system goals, and documenting them in the form of use cases. In software requirements engineering, it suggests that stakeholders, analysts, and ChatGPT should engage in a collaborative model. The process should involve using the outputs of ChatGPT as initial requirements, which are then reviewed and augmented by analysts and stakeholders. As ChatGPT's capability improves, it is anticipated that the accuracy of requirements elicitation and analysis will increase, leading to time and cost savings in the field of software requirements engineering.
손 제스처의 인식은 구어 사용이 어려운 사람들의 의사소통을 위한 중요한 기술이다. 제스처 인식에 널리 사용되는 근전도 신호는 사전 자세에 따라 동작이 달라지기 때문에 제스처 인식의 어려움이 있을 것으로 예상되지만, 이에 관한 연구는 찾기 어렵다. 본 연구에서는 사전 자세에 따른 제스처 인식 성능의 변화를 분석하였다. 이를 위해 총 20명의 피험자에게서 사전 자세를 가지는 동작에 대한 근전도 신호를 측정하고, 제스처 인식을 실험하였다. 그 결과, 학습 및 테스트 데이터 간 사전 상태가 단일한 경우에는 평균 89.6%의 정확도를, 상이한 경우에는 평균 52.65%의 정확도를 보였다. 반면, 사전 자세를 모두 고려한 경우에는 정확도가 다시 회복됨을 발견하였다. 이를 통해 본 연구에서는 근전도를 활용하는 손 제스처 인식시에 사전 자세가 다양하게 고려하여야 함을 실험적으로 확인하였다.
Hand gesture recognition is an essential technology for the people who have difficulties using spoken language to communicate. Electromyogram (EMG), which is often utilized for hand gesture recognition, is expected to have difficulties in hand gesture recognition because its people's movements varies depending on prior postures, but the study on this subject is rare. In this study, we conducted tests to confirm if the prior postures affect on the accuracy of gesture recognition. Data were recorded from 20 subjects with different prior postures. We achieved average accuracies of 89.6% and 52.65% when the prior states between the training and test data were unique and different, respectively. The accuracy was increased when both prior states were considered, which confirmed the need to consider a variety of prior states in hand gesture recognition with EMG.
본 연구는 미국 S&P 500 지수를 변동성 돌파 전략을 활용하여 Buy and Hold 방식과 비교 분석한 연구이다. 변동성 돌파 전략은 시장의 상대적 안정 또는 집중된 시기 후의 가격 움직임을 활용하는 거래 전략이다. 특히, 낮은 변동성 기간 후에 큰 가격 움직임이 더 자주 발생한다는 것이 관찰된다. 주식이 한동안 좁은 가격 범위에서 움직이다가 가격이 갑작스레 상승 또는 하락하는 경우, 그 주식이 해당 방향으로 계속 움직일 것으로 예상된다. 이러한 움직임을 활용하기 위해 거래자들은 변동성 돌파 전략을 채택한다. 'k' 값은 최근 시장 변동성의 측정값에 곱하는 배수로서 활용된다. 변동성의 측정 방법 중 하나로는 최근 거래일의 최고가와 최저가 차이를 나타내는 평균 진정 범위(ATR)가 있다. 'k' 값은 거래자들이 거래 임계값을 설정하는 데 중요한 역할을 한다. 본 연구는 'k' 값을 일반적인 값으로 연산하여 Buy and Hold 전략과 수익률을 비교 하여, 변동성 돌파전략을 사용한 알고리즘 트레이딩이 약간은 높은 수익률을 이룩하였다. 추후에는 인공 지능 딥러닝 기법을 이용하여 S&P 500 지수의 자동 거래를 위한 최적의 K 값을 구하고, 이를 통해 수익률을 극대화하기 위한 시뮬레이션 결과를 제시할 예정이다.
This research is a comparative analysis of the U.S. S&P 500 index using the volatility breakout strategy against the Buy and Hold approach. The volatility breakout strategy is a trading method that exploits price movements after periods of relative market stability or concentration. Specifically, it is observed that large price movements tend to occur more frequently after periods of low volatility. When a stock moves within a narrow price range for a while and then suddenly rises or falls, it is expected to continue moving in that direction. To capitalize on these movements, traders adopt the volatility breakout strategy. The 'k' value is used as a multiplier applied to a measure of recent market volatility. One method of measuring volatility is the Average True Range (ATR), which represents the difference between the highest and lowest prices of recent trading days. The 'k' value plays a crucial role for traders in setting their trade threshold. This study calculated the 'k' value at a general level and compared its returns with the Buy and Hold strategy, finding that algorithmic trading using the volatility breakout strategy achieved slightly higher returns. In the future, we plan to present simulation results for maximizing returns by determining the optimal 'k' value for automated trading of the S&P 500 index using artificial intelligence deep learning techniques.
본 연구는 비대면 학습환경에서 온라인 강의수강을 경험한 일 간호대학 재학생을 대상으로 학습몰입, 학습만족도, 학업적 자기효능감, 학업성취도 및 학업스트레스 정도를 확인하고 변수간의 상관관계 및 학업스트레스에 영향을 미치는 요인을 규명하고자 한다. 본 연구에서는 서울시에 위치한 일 간호대학의 재학생 143명을 대상으로 구글온라인 설문지를 통해 2023년 9월 1일부터 2023년 9월 25일까지 자료수집을 시행하였고, SPSS Statistics 25.0을 활용하여 기술통계, t-검정, 일원분산분석, 피어슨상관계수, linear multiple regesion을 시행하였다. 일반적 특성에 따른 차이 분석 결과 학업스트레스는 간호학과 지원동기(F=4.465, p=.005)와 전공만족도(F=36.499, p=.000)에 따라 유의한 차이가 나타났으며 학업스트레스는 학습몰입(r=-.464, p<.010), 학업적 자기효능감(r=-.522, p<.010), 학업성취도(r=-.379, p<.010)간에 유의미한 부적(-) 상관관계가 있는 것으로 나타났으나 학습만족도는 학업스트레스와 상관관계가 없는 것으로 나타났다. 학업스트레스에 영향을 미치는 변인은 전공만족도(𝛽=.367, p<.01), 학습몰입(𝛽=-.186, p<.05), 학업적 자기효능감(𝛽=-.241, p<.05)으로 확인되었으며 학업스트레스에 대한 설명력은 40%였다. 본 연구결과는 간호대학생의 학업스트레스 완화를 위한 중재 프로그램의 기초자료로 활용할 수 있을 것이다.
The purpose of this study is to identify the level of learning flow, learning satisfaction, academic self-efficacy, academic achievement, and academic stress of nursing students who experienced non-face-to-face online lectures, and to investigate the correlation between variables and the factors affecting academic stress. The data of this study was collected from 143 students at a nursing college in Seoul, through a Google online questionnaire from September 1, 2023 to September 25, 2023, and descriptive statistics, Student's t-test, analysis of variance, Pearson's Correlation, and linear multiple regression were conducted using SPSS Statistics 25.0. Following an analysis of the difference according to general characteristics, academic stress showed significant difference according to Motivation for applying to department(F=4.465, p=.005) and Major satisfaction(F=36.499, p=.000) of the subjects. The result of analyzing the correlation academic stress was negatively correlated with learning flow (r=-.464, p<.010), academic self-efficacy (r=-.522, p<.010), and academic achievement (r=-.379, p<.010), but learning satisfaction was not correlated with academic stress. Variables affecting academic stress were major satisfaction (𝛽=.367, p<.01), learning flow (𝛽=-.186, p<.05), and academic self-efficacy (𝛽=-.241, p<.05), and the explanatory power for academic stress was 40%. The results of this study can be used as basic data for intervention programs for relieving academic stress of nursing students.
IoT 네트워크는 다양한 기기들을 연결하는 구조로서 많은 분야에서 활용되고 있으며 대부분의 연구들은 응용 분야나 플랫폼 설계, 보안 적용 등의 분야에서 수행되었지만 IoT 네트워크의 트래픽 제어에 대한 연구는 많이 진행되지 않았다. 본 논문에서는 IoT 네트워크에서 게이트웨이(싱크 노드)가 처리하는 트래픽을 유형별로 제어할 수 있는 트래픽 쉐이핑 기법을 제안하고 이 모델을 수치해석 방법으로 분석하고 시뮬레이션을 통해 제안 기법의 적합성을 제시하였다. 제안된 트래픽 쉐이핑 기법은 실시간 트래픽을 중심으로 전송하는 게이트웨이와 비실시간 트래픽을 전송하는 게이트웨이로 구분하고 무선 방식이 대부분인 센서 네트워크의 특성을 반영하여 분석하고 전송 처리율을 구하였다. 실험 결과 수치 해석적 분석과 시뮬레이션이 유사한 결과를 보임으로써 제안된 트래픽 제어 기법의 효율성을 확인할 수 있었다.
This study propose the traffic shaping scheme on IoT Network. The proposed scheme can be operated on the gateway which called sink node and control the IoT traffic with considering the traffic type(real-time based or non real-time based). It is proved that the proposed scheme shows a efficient and compatible result by the numerical analysis and the simulation on the proposed model. And the efficient of the proposed scheme by the numerical analysis has a approximate result of the simulation.
본 연구 목적은 기업의 지식재산활동을 통한 경영성과를 제고할 수 있는 합리적인 경영전략을 제공하는 것이다. 이러한 연구를 통하여 변화하는 글로벌 환경에서 경쟁력을 강화할 수 있는 대응 방안을 모색하고자 한다. 2023년 9월 1일부터 10월 30일까지 200개 기업을 대상으로 설문조사를 실시하였다. 통계분석은 빈도분석, 탐색적 요인 분석, 신뢰도 분석, 상관관계분석, 다중회귀분석, 차이분석을 실시하였다. 결론은 다음과 같다. 첫째, 지식재산활동에서 경영성과에 미치는 영향은 창출활동과 활용활동으로 나타났다. 둘째, 경영전략에서 경영성과에 미치는 영향은 차별화 전략, 원가우위 전략, 집중화 전략으로 나타났다. 셋째, 원가우위 전략은 지식재산활동의 창출활동과 경영성과의 관계에서 부분매개효과가 확인되었다. 넷째, 차별화 전략은 지식재산활동의 창출활동과 경영성과의 관계에서 부분매개효과가 확인되었다. 또한 차별화 전략은 지식재산활동의 활용활동과 성과의 영향관계에서 완전매개효과가 확인되었다. 다섯째, 집중화 전략은 지식재산활동의 활용활동과 경영성과의 관계에서 부분매개효과가 확인되었다. 여섯째, 벤처인증 여부에 따른 창출활동, 보호활동, 활용활동, 원가우위 전략, 차별화 전략, 재무성과, 비재무성과는 차이가 나타났다. 기술패권 시대에 지식재산의 중요성은 높아지고 있기 때문에 사물인터넷 기업의 미래 경쟁력 확보를 위해서는 기업의 벤처 인증과 지식재산을 활용한 전략으로 경영성과를 상승시켜야 할 것이다. 이러한 연구를 기반으로 사물인터넷 기업이 지식재산활동을 고려한 효율적인 전략 추진으로 성과가 극대화되길 기대한다.
The purpose of this study is to provide a rational management strategy to improve the management performance of companies through intellectual property activities. Through this study, we aim to explore countermeasures to strengthen competitiveness in a changing global environment. A survey of 200 companies was conducted from September 1 to October 30, 2023. Statistical analysis was conducted using frequency analysis, exploratory factor analysis, reliability analysis, correlation analysis, multiple regression analysis, and difference analysis. The conclusions are as follows. First, the impact of intellectual property activities on management performance was found to be creation and utilization. Second, the impact of management strategies on management performance was found to be differentiation strategy, cost advantage strategy, and concentration strategy. Third, cost advantage strategy has a partial mediation effect on the relationship between creation activities and managerial performance of intellectual property activities. Fourth, the differentiation strategy has a partial mediating effect on the relationship between the creation of intellectual property activities and managerial performance. In addition, differentiation strategy has a full mediating effect on the relationship between the utilization of intellectual property activities and performance. Fifth, concentration strategy has a partial mediating effect on the relationship between intellectual property activity utilization and management performance. Sixth, there is a difference between creation activities, protection activities, utilization activities, cost advantage strategy, differentiation strategy, financial performance, and non-financial performance based on venture certification status. As the importance of intellectual property is increasing in the era of technological hegemony, IoT companies will need to improve their management performance through venture certification and strategies utilizing intellectual property in order to secure future competitiveness. Based on this study, we hope that IoT companies will maximize their performance by implementing efficient strategies that consider IP activities.
벼농사에서 물 관리는 매우 중요한 작업이다. 벼의 생육 초기에는 잡초 발생을 억제하기 위하여 물을 깊이 대고, 모내기 후 뿌리가 활착하면 줄기 생성을 촉진하기 위해 물을 얕게 대며, 쌀알이 맺힐 수 없는 줄기가 생성되는 시기에는 물을 뗀다. 물 공급 상황은 논 위치, 농수로, 토양, 기상 등 다양한 요소에 영향을 받기 때문에 농민은 수시로 논을 방문하여 수위를 확인하고 물의 유출입을 통제한다. 경작하는 논이 원격지에 분산되어 있다면 이러한 노력은 더욱 증가한다. 자동 물 관리 시스템은 노동력을 절감하여 생산성 향상에 기여할 수 있는 방안으로 고려되고 있다. 그러나 2022년 국내 벼 생산으로 인한 순수익은 평균 32만원/10a 정도이다. 따라서 높은 단가의 고사양 장치를 적용하거나 공사를 추진하여 관련 인프라를 구축하는 것은 현실적으로 어렵다. 본 연구는 추가적인 기반공사 없이 국내 농업 인프라에 통합될 수 있는 물꼬 개발에 중점을 두었으며 세 가지 주요 분야에서 연구를 수행하여 사물인터넷 기반 물꼬를 구현하였다. 첫째, 기존의 농업용 관수 파이프에 빠르고 쉽게 설치할 수 있는 물꼬를 설계하였다. 둘째, 저전력 통신 기능을 갖춘 Cat M1 통신 모뎀과 아두이노 나노 보드를 연결하고 전원을 공급하는 전자회로를 제작하였다. 셋째, 클라우드 기반 플랫폼을 이용하여 서버와 데이터베이스 환경을 구축하고 사용자가 접근할 수 있는 웹 페이지를 제작하였다.
In paddy rice farming, water management is a critical task. To suppress weed emergence during the early stages of growth, fields are deeply flooded, and after transplantation, the water level is reduced to promote rooting and stimulate stem generation. Later, water is drained to prevent the production of sterile tillers. The adequacy of water supply is influenced by various factors such as field location, irrigation channels, soil conditions, and weather, requiring farmers to frequently check water levels and control the ingress and egress of water. This effort increases if the fields are scattered in remote locations. Automated irrigation systems have been considered to reduce labor and improve productivity. However, the net income from rice production in 2022 was about KRW 320,000/10a on average, making it financially unfeasible to implement high-cost devices or construct new infrastructure. This study focused on developing an IoT-Based irrigation valve that can be easily integrated into existing agricultural infrastructure without additional construction. The research was carried out in three main areas: Firstly, an irrigation valve was designed for quick and easy installation on existing agricultural pipes. Secondly, a power circuit was developed to connect a low-power Cat M1 communication modem with an Arduino Nano board for remote operation. Thirdly, a cloud-based platform was used to set up a server and database environment and create a web interface that users can easily access.
이 연구는 한국의 중독 연구의 동향을 파악하고 발전 방향을 모색하기 위해 2020년부터 2022년까지 지난 3년간 국내 전문학술지 게재 논문 817 건을 대상으로 텍스트마이닝 기법을 활용하여 분석한 연구이다. 분석 결과는 다음과 같다. 첫째, 다양한 중독 관련 키워드가 나타났으나 스마트폰, 게임, 인터넷, 도박, 관계중독 등 모바일을 중심으로 한 온라인에서의 행위중독 관련 중독 연구들이 주요 상위 키워드로 두드러지게 나타났다. 둘째, TF-IDF 분석결과 중독연구에서 지난 3년 간 스마트폰이나, 게임, 인터넷, 일 중독과 같은 행위중독 관련 중독연구가 많이 수행되었고 특히, 아직 임상적으로 중독문제로 진단화 하고 있지 않은 스마트폰이나 게임, 인터넷 등에 대한 중독문제들에 대한 연구수행이 많다는 것을 알 수 있다. 셋째, 2-gram 분석 결과 스마트폰이나 게임, 인터넷 등 주로 행위중독에 해당 되는 단어들이 중독이라는 키워드와 나란히 등장하는 비율이 매우 높으며, 그 가운데 스마트폰과 중독문제와 관련하여 쌍을 이루는 단어들이 연구논문에서 많이 언급되고 있음을 알 수 있다. 넷째, CONCOR 분석결과 알코올사용장애, 인터넷 등 보편적 중독문제에 관한 연구, 마약과 도박중독의 회복 관련 연구, 모바일기기와 미디어 중독 관련 연구, 행위중독 관련 최신 경향 연구, 그 외 기타 중독 문제 관련 연구로 5개의 군집으로 나타났다. 마지막으로 본 연구 결과를 바탕으로 향후 중독 관련 연구를 위한 방향성을 제언하였다.
This study analyzed 817 articles published in Korean professional journals over the past three years, from 2020 to 2022, using text mining techniques to identify trends in addiction research in Korea and explore development directions. The analysis results are as follows. First, as a result of the analysis of the top keywords, online addiction studies such as smartphones, games, Internet, gambling, and relationship addiction were prominent as the top keywords. Second, as a result of TF-IDF analysis, many addiction studies related to behavioral addiction such as smartphones, games, the Internet, and work addiction have been conducted over the past three years, and in particular, there are many studies on addiction problems such as smartphones, games, and the Internet that have not yet been clinically diagnosed as addiction problems. This is the same as the result of word frequency analysis, and it can be interpreted that recent studies have been remarkably conducted on more diverse addiction problems. Third, the 2-gram analysis shows that words that mainly correspond to behavioral addiction, such as smartphones, games, and the Internet, appear side by side with the keyword addiction, and among them, words paired with smartphones are mentioned a lot in research papers and are being studied. Fourth, as a result of the CONCOR analysis, there were five clusters: a study on universal addiction issues such as alcohol use disorders and the Internet, a study of recovery on drug and gambling addiction, a study on mobile devices and media addiction, a study on the latest trends related to behavioral addiction, and other addiction issues. Finally, based on the results of this study, a direction for future addiction-related research was suggested.
시간-공간적 의존성을 모두 고려하는 방법으로 그래프 신경망과 순환 신경망을 함께 사용하는 연구가 많이 진행되고 있다. 특히 그래프 신경망은 새롭게 활발히 연구되고 있는 분야이다. 서울시 자전거 대여 서비스(일명 따릉이)는 서울시 곳곳에 대여소를 갖추고 있으며 각 대여소에서 대여 정보가 충실하게 기록되어 있는 시계열 자료이다. 각 대여소의 대여 정보는 시간에 따른 주기성을 보이는 시간적인 특성을 갖추고 있으며, 지역적인 특성도 대여 현황에 큰 영향을 미치리라고 생각된다. 지역적 상관관계는 그래프 신경망을 이용하여 잘 이해할 수 있다. 이 연구에서는 서울시 자전거 대여 서비스의 시계열 데이터를 그래프로 재구성하고 그래프 신경망과 순차 신경망을 결합한 대여 예측 모델을 개발하였다. 시간에 따른 주기성과 같은 시간 특성과 지역적인 특성 및 각 대여소의 중요도 정도를 고려하였다. 대여소의 중요도 정도는 대여량 예측에 중요한 인자로 사용됨을 확인하였다.
There is a lot of research on using a combination of graph neural networks and recurrent neural networks as a way to account for both temporal and spatial dependencies. In particular, graph neural networks are an emerging area of research. Seoul's bicycle rental service (aka Daereungi) has rental stations all over the city of Seoul, and the rental information at each station is a time series that is faithfully recorded. The rental information of each rental station has temporal characteristics that show periodicity over time, and regional characteristics are also thought to have important effects on the rental status. Regional correlations can be well understood using graph neural networks. In this study, we reconstructed the time series data of Seoul's bicycle rental service into a graph and developed a rental prediction model that combines a graph neural network and a recurrent neural network. We considered temporal characteristics such as periodicity over time, regional characteristics, and the degree importance of each rental station.
최근 딥러닝은 다양한 분야에서 전통적인 기계학습에 비해 월등히 높은 성능을 보이고 있으며, 패턴인식을 위한 보편적인 방법으로 자리 잡아 가고 있다. 하지만, 이에 비해 정형데이터를 사용하는 분류 문제에서는 여전히 머신러닝 기법이 주류를 이루고 있다. 본 논문에서는 정형데이터를 고차원 텐서로 변환하는 네트워크 모듈을 제안하며, 이 모듈을 보편적인 딥러닝 네트워크와 함께 구성하여 정형데이터의 분류 문제에 적용하였다. 제안된 방법은 4종의 데이터셋을 활용하여 학습 및 검증되었으며, 제안된 방법은 90.22%의 평균 정확도를 달성하여, 최신 딥러닝 모델인 TabNet에 비해 2.55%p 높은 정확도를 보였다. 제안된 방법은 컴퓨터 비전 분야에서 높은 성능을 보이는 다양한 네트워크 구조를 정형데이터에 활용할 수 있다는 점에서 의미가 있다.
Deep learning has recently demonstrated conspicuous efficacy across diverse domains than traditional machine learning techniques, as the most popular approach for pattern recognition. The classification problems for tabular data, however, are remain for the area of traditional machine learning. This paper introduces a novel network module designed to tabular data into high-dimensional tensors. The module is integrated into conventional deep learning networks and subsequently applied to the classification of structured data. The proposed method undergoes training and validation on four datasets, culminating in an average accuracy of 90.22%. Notably, this performance surpasses that of the contemporary deep learning model, TabNet, by 2.55%p. The proposed approach acquires significance by virtue of its capacity to harness diverse network architectures, renowned for their superior performance in the domain of computer vision, for the analysis of tabular data.
본 논문은 MediaPipe Face Mesh 모델을 이용해 일련의 프레임 시퀀스에서 얼굴 제스처를 인식해 해당 사용자 이벤트를 처리하는 얼굴 제스처 기반의 사용자 인터페이스 선행 연구의 성능 개선 방안을 제안함에 그 목적이 있다. 선행 연구는 MediaPipe Face Mesh 모델에서 선택한 7개의 랜드마크의 3차원 좌표들로부터 얼굴 제스처를 인식해 해당 사용자 이벤트를 발생시키고 이에 대응하는 명령을 수행하는 것이 특징이다. 제안된 방법은 그 과정에서 커서 위치들에 적응형 이동 평균 처리를 적용해 미세 떨림을 완화함으로써 커서 안정화를 도모하고, 양안 동시 개폐 시에 양안의 일시적 개폐 불일치를 차단해 그 성능을 개선하였다. 제안된 얼굴 제스처 인터페이스의 사용성 평가 결과, 얼굴 제스처의 평균 인식률이 선행 연구에서 95.8%였던 것에 비해 98.7%로 상향되는 것이 확인되었다.
The purpose of this paper is to propose a method to improve the performance of the previous research is characterized by recognizing facial gestures from the 3D coordinates of seven landmarks selected from the MediaPipe Face Mesh model, generating corresponding user events, and executing corresponding commands. The proposed method applied adaptive moving average processing to the cursor positions in the process to stabilize the cursor by alleviating microtremor, and improved performance by blocking temporary opening/closing discrepancies between both eyes when opening and closing both eyes simultaneously. As a result of the usability evaluation of the proposed facial gesture interface, it was confirmed that the average recognition rate of facial gestures was increased to 98.7% compared to 95.8% in the previous research.